چکیده: مدل‌های رگرسیونی از جمله ابزار پرکاربرد در علوم مختلف از جمله پزشکی، علوم طبیعی، علوم اجتماعی، اقتصاد، و محیط‌شناسی است. در مواردی که متغیر پاسخ غیرنرمال باشد، معمولا به‌جای مدل‌های خطی از مدل‌های خطی تعمیم‌یافته استفاده می‌شود. اما پذیره اساسی در این مدل‌ها استقلال بین مشاهدات است. در موارد متعددی با پاسخ‌هایی مواجه می‌شویم که نوعی ساختار وابستگی بر آن‌ها حاکم است. به عنوان چند نمونه می‌توان به داده‌های طولی، سری زمانی و داده‌های فضایی اشاره کرد. در این موارد باید وابستگی پاسخ‌ها را به شکلی به مدل وارد کرد. برای این کار رهیافت‌های مختلفی معرفی شده اند. رهیافت معمول استفاده از مدل‌های آمیخته خطی تعمیم‌یافته است. استنباط در این رده از مدل‌ها (در هر دو دیدگاه کلاسیک و بیزی) با مشکلات محاسباتی جدی روبرو است. یک راهکار جانشین جدید برای لحاظ کردن وابستگی پاسخ‌ها، استفاده از مدل‌های رگرسیون حاشیه‌ای مبتنی بر تابع مفصل است در این پایان‌نامه، ابتدا مدل رگرسیون حاشیه‌ای مفصل گاوسی را معرفی می‌کنیم. سپس استنباط آماری مدل و معیارهای برازش را معرفی و با استفاده از آزمون مشخص‌سازی هاسمن درستی انتخاب مدل را بررسی می‌کنیم. رهیافت استنباط مورد نظر ما مبتنی بر تابع درستنمایی است. در ادامه به ارزیابی مدل با مثال‌های شبیه‌سازی و واقعی می‌پردازیم.